在AI浪潮席卷全球的当下，企业领导者面临一个两难选择：是急速跟进每一个新模型，还是制定周密计划、稳步推进？来自两位企业IT负责人的亲身经验表明，这两种方式都不可偏废，关键在于如何找到平衡点。

这些观点来自咨询机构Section近期主办的一场行业会议，该机构由纽约大学知名教授Scott Galloway领导。

坚持以人为主导，智能体不能"自行其是"

在智能体部署中，首要原则是确保人类始终处于主导地位。普华永道全球首席AI工程师Scott Likens直言："别只是把人放在流程里充当审核节点，人本身就应该是整个流程的核心。"

NBCUniversal AI创新与加速高级副总裁Lasherelle Morgan则强调，推进AI要从终端用户出发，倒推出最合适的工具与路径。"从容易重复执行的流程和数据入手，聚焦痛点。不要只是引入一个AI工具，而是要问：你在哪里遇到了困难？你每天有哪五个小时花在了低效工作上？"

快速实验，别只盯着省几个百分点的成本

Likens表示，企业应愿意在大范围内展开实验，以找到AI真正能够发挥价值的场景。普华永道的AI实验周期通常为一天或五天。他指出，企业领导者需要改变思路，不能仅仅把AI视为削减2%到3%成本的工具。

"Token的话题几个月前才开始热起来，结果大家马上开始聚焦AI的成本问题。这是错误的视角。如今做实验非常容易，而且能快速获得反馈。"Likens说。

他同时指出，改变思维习惯对许多中层管理者来说是一大挑战。"很多人不习惯一到两周的快速迭代，这是一种不同的思维架构。高管和新员工通常能接受，但那些不愿改变的中层专家和经理才是真正的阻力，这本质上是人的问题。"

清洗数据、厘清流程，是AI落地的前提

对于那些对AI充满期待、希望它能快速解决积弊的企业，Morgan给出了重要提醒："你必须有干净的数据，以及从头到尾清晰的工作流程。你需要拿出一张纸，把流程写下来，明确谁是这个流程的负责人。AI最擅长的事情之一，就是把一个糟糕的流程彻底暴露出来。"

她建议从用户真实痛点切入："问问他们，有哪些重复性的工作是他们最不愿意做的。从那里出发，从AI最容易解决、数据最容易获取的事情开始做起。"

建立坚实的数据基础与治理框架

普华永道在AI高速推进的背后，是一套在AI大规模应用之前便已建立的数据基础。针对会计、审计等受监管业务，公司提前完成了数据治理工作。

Likens表示，最大的挑战在于如何为数据赋予上下文，"这些知识通常只存在于人们脑子里，怎么把隐性知识提取出来？"普华永道AI工作的目标之一，正是完成这种隐性知识的系统化采集，并通过智能体的行为遥测反哺知识库。"我们首先聚焦架构，确保它能够规模化扩展，让员工在使用时知道它是安全的，清楚它能做什么，并且能访问到权限范围内的正确数据。"

在NBCUniversal，治理机制与防护边界是整个流程中不可或缺的部分，但具体的监管力度取决于业务风险的大小，Morgan将其称为"爆炸半径"。

"如果只是一个帮我在日历上预设午餐时间的智能体工具，风险很低，不需要人工介入。但如果是一个会自动向消费者发送消息的智能体，那影响就大了，风险也高很多。"Morgan说。NBCUniversal通过统一的需求表单推进治理，帮助团队追踪和评估AI及智能体对组织可能产生的影响。

在普华永道，AI能力建设采用集中与分散并行的模式。"大约1%的人是核心AI工程师，他们负责制定标准、搭建可信赖的基础架构，并完成核心建设。另外10%是分布在各业务线的实操型构建者，他们直接面向客户，深入理解所在行业或职能。"Likens说。

Q&A

Q1：为什么普华永道的AI实验周期只有一到五天？

A：普华永道采用短周期实验，是为了快速验证AI在不同场景中的价值，并迅速获取反馈。Scott Likens认为，当前AI实验成本低、速度快，企业不应把注意力放在节省2%到3%成本上，而应通过快速迭代发现AI真正能带来突破的场景。短周期也倒逼中层管理者打破传统思维定式，适应更敏捷的工作节奏。

Q2：企业在引入AI之前，为什么必须先整理好数据和流程？

A：NBCUniversal的Lasherelle Morgan指出，AI非常擅长放大流程中的问题，一个本身混乱的工作流程引入AI后只会变得更糟。因此，企业在部署AI之前，必须确保数据干净、流程清晰，并明确每个环节的责任人。只有在这个基础上，AI才能真正提升效率，而不是制造更多混乱。

Q3：NBCUniversal如何判断AI智能体是否需要人工监管介入？

A：NBCUniversal根据业务风险的"爆炸半径"来决定监管力度。风险低的场景，如智能体帮助安排日历，不需要人工介入；但若智能体会自动向消费者发送信息，则属于高风险操作，必须设置严格的人工审核机制。公司通过统一的需求表单追踪各类AI应用的潜在影响，以此实现分级治理。